建筑内自然对流对射流的影响研究

当射流出口速度较小或室内自然对流强度较大时,室内自然对流对射流特性产生重要影响。采用数值模拟方法,研究了建筑内左右壁面为定壁温边界条件下的自然对流与射流共存时的速度场和温度场。根据数值计算结果,分析了自然对流对射流特性的影响及其影响因素。这为工程设计中预测自然对流对室内气流射流的作用及合理设计室内气流组织提供了依据。     

一类二阶具多偏差变元微分方程周期解的存在性

利用Mawhin延拓定理和最佳不等式研究了一类二阶具多偏差变元的微分方程x″(t) f(t,x(t),x(t-τ0(t)))x′(t) ∑mi=1βi(t)gi(x(t-τi(t)))=p(t)的周期解问题,得到了存在周期解的充分性结果。进一步对周期解的先验界给出了较好的估计。     

小野下光子特征线混合笔束模型肺部剂量算法

为了准确计算小射野下肺模体中精确的三维剂量分布,本文提出了光子特征线混合笔束模型.该模型首先采用光子特征线算法获得参考射野下肺模体的中心轴深度剂量,然后在此基础上对肺模体笔束核进行等效深度修正和加权密度修正.本文利用该算法计算了6 MV光子束在不同射野下不同肺模体的中心轴深度剂量分布,并与蒙特卡罗模拟结果相比较以验证其精度.结果表明,两种方法计算得到的剂量基本一致,大多数深度处的相对误差小于3%.主要差异表现在介质交界处及肺组织前部,其相对误差随着射野尺寸和肺密度的增大而减小,最大相对误差范围为7.8%～36.9%.在肺组织前部,相对误差大于3%的深度范围随射野尺寸的增大和肺密度的减小而增大.因此,该算法在小射野下的肺部剂量计算中具有潜在的研究价值.     

基于改进YOLOv5的车辆目标检测研究

针对现有目标检测算法在自动驾驶等领域的车辆目标检测中存在检测精度不高,实时性和鲁棒性较差等问题,本文提出一种基于YOLOv5的车辆目标检测方法.本文在YOLOv5s网络模型框架下,引入一次性聚合（OSA）模块优化主干网络结构,提升网络特征提取能力;并采用非局部注意力机制进行特征增强;同时利用加权非极大值抑制方法实现检测框筛选.实验结果表明,在自制车辆检测数据集上,改进网络模型与原YOLOv5s模型相比,平均准确率均值（mAP）提升3%,不同目标类检测的平均准确率（AP）均得到提升,且检测速度满足实时性要求,对于密集车辆和不同光照条件下均能较好实现车辆目标检测.